临近空间高超声速目标滑跃式轨迹Sine-AIMM跟踪算法

针对单一的Sine模型算法无法与临近空间高超声速目标滑跃式轨迹准确匹配,现有的交互多模型(IMM)算法跟踪效果也不够理想的问题,提出一种基于多重贝叶斯准则的自适应交互式多Sine模型(Sine-AIMM)临近空间高超声速滑跃式目标跟踪算法。算法采用多个Sine模型对滑跃式轨迹进行匹配,并利用多重贝叶斯准则在线调整各模型权重和模型转移概率矩阵。仿真结果表明,本文所提Sine-AIMM算法能够实现对临近空间高超声速滑跃式目标的有效跟踪,较单Sine模型算法和现有IMM算法跟踪性能更优。     

临近空间高超声速多目标检测前跟踪算法

针对临近空间不同径向距离高超声速目标难以同时被有效检测的问题,提出一种通过峰值聚优改进Hough变换积累结果的检测前跟踪(TBD)算法。采用径向距离-时间坐标描述数据,减少量测误差影响,规格化坐标使2个维度处于同一量级。进行Hough变换,分割参数单元进行点数积累和能量积累,采用标签矩阵记录每个量测点曲线经过的参数单元,遍历所有量测点将每个量测点只存于其所能构成能量积累值最大的参数单元,得到新的点数积累和能量积累结果。只对点数积累空间设置门限提取目标航迹,进行航迹约束和合并,输出最终航迹。仿真结果显示,算法将3个目标全部检测出的概率可达到90%,具有较好的多目标检测性能。     

临近空间伴有尾流高超声速目标检测定位算法

临近空间高超声速目标由于尾迹的产生使雷达散射截面积(RCS)存在突增现象。为解决在此状态下的目标检测及本体定位问题,首先,提出圆台模型模拟尾迹多散射点分布范围,采用密度峰值聚类筛选本体及尾迹量测点;然后,采用修正Hough变换筛选目标航迹,根据运动目标坐标间的数学关系进行本体定位;最后,输出结果。仿真结果显示：算法对2个不同尾迹长度的目标均保持近90%的检测概率,对2个目标全部检测的概率具有近80%的检测概率,且检测概率不随RCS差、尾迹长度和信杂比的变化而产生较大变化,具有一定的应用前景。